论文部分内容阅读
近年来,无人机技术发展迅速,广泛应用于军事和民用领域。随着应用的推广,人们对无人机的自主性和智能性提出了更高的要求。无人机实现自主飞行的先决条件是其具备有效的同步定位和环境建图系统(Simultaneous Localizationand Mapping,简称SLAM)。本文旨在研究SLAM系统的核心关键问题,整合并改进已有方法,构建一套完整的适用于微型无人机在复杂室内环境自主飞行的SLAM系统。 本文的主要研究工作包括以下三个部分: (1)融合多传感器的定位方法研究。本文探讨了适用于微型无人机SLAM的传感器,使用RGB-D相机作为主要的环境感知传感器,提出并实现以Point-planeICP点云匹配算法为主,融合无人机机载多种其他传感器的定位方法。该方法在实验环境中通过高精度的运动捕捉系统进行实验测试,精度、可靠性和运算速度均能达到微型无人机自主飞行的控制需求。 (2)基于关键帧和位姿图的地图表达以及基于图优化方法的地图全局优化研究。本文使用了基于关键帧的地图表达方法。提出了保证关键帧均匀分布的生成策略及关键帧内部的点云数据融合方法。对于地图整体一致性的优化,本文使用位姿图的数据结构,并利用FABMAP算法进行关键帧之间的闭环检测,最后利用通用图优化算法对地图的整体一致性进行优化。该方法在人工搭建的较为复杂的室内环境中进行检验,可以重建出稠密的地图,并能够维持地图的整体一致性。 (3)整体系统的实现及验证。本文在SLAM的研究基础及系统实现上,搭建了一套完整的基于微型四旋翼平台的无人机SLAM系统。该系统借助无人机机载RGB-D相机,以无人机飞控、无人机机载电脑和地面站协同计算的方式实现整个SLAM系统,并在实验环境中进行了检验。 本文所实现的微型无人机SLAM系统经过实验检验,能够满足微型无人机在室内环境下的自主飞行需求,并能构建出稠密的环境三维地图。该工作将使无无人机具备一定程度的自主定位和感知环境的能力,促进无人机智能化的发展。